制造业大数据分析打造新一代智能工厂_数据分析师考试
近年来,发展智能工厂成为全球制造业的显学,随着人力短缺、工资上涨、产品交期越来越短、市场需求变动大等问题出现,制造业正面临新一波转型挑战,如何在控制生产成本的同时,还能提高生产力与效率,则是转型的主要目的,也因此,从德国、美国到中国台湾各个制造大国,无不积极推动工业4.0,希望能协助制造业者解决经营困境、提升竞争力,而大数据分析与优化(Manufacturing Analytic & Optimization; MAO)则成为发展工业4.0的基础。
制造业大数据分析五大应用
深耕制造业多年的IBM,在大数据分析上提供的不只是产品,还有结合产业知识与丰富经验的顾问服务,帮助制造业者做出正确有效率的大数据分析。
IBM商业分析部资深业务刘君彦指出,目前市面上有很多大数据分析的解决方案,但大多只能做到资料视觉化,也就是以图表呈现分析结果,而IBM MAO可以根据制造业所面临的问题,决定要做哪一种分析,例如预测或模拟,甚至整合财务或产销端资讯,找出解决问题的方法,这在智能制造过程中是非常重要的事,因为企业往往拥有大数据,却不知道该如何分析。
IBM全球企业咨询服务事业群资深顾问李艺锋进一步指出,目前,高科技制造业者面临到的问题主要有三种,第一、未预期的物料问题或设备故障直接冲击产能,以致耗损大量成本;第二、因制程稳定性问题造成产品良率下降,不但影响获利更影响客户满意度;第三、制程世代转换越来越快,如何加快量产速度,成为获利的关键因素。因此,IBM根据制造业所面临到的问题与产品生命周期,归纳出制造业大数据分析五大应用模式;
第一、物料品质监控。原物料品质不稳定其实有迹可循,然而传统SPC监控要等到发生问题时才会做出警示,此时不仅己经影响产品品质,更不容易找出原因,而MAO则是主动分析趋势变化,发现潜在问题即早做出预警,以便能及早解决(如:更换物料)维持产品品质。
第二、设备异常监控与预测。传统SPC监控虽然也涵盖设备参数,但有时设备仍然会发生问题,工程师也不知道设备发生问题该怎么处理最有效,MAO运用设备感测资料及维修日志,找出发生设备异常的模式,监控并预测未来故障机率,好让工程师可以即时执行最适决策。
第三、零件生命周期预测。零件或耗材有其生命周期,制造业者多半根据供应商建议进行定期更换,却忽略了生产及环境条件对耗损速度的影响,导致以下两种情况经常发生,一是在太早更换零件,造成不必要的开销,二是太晚更换零件,导致品质受影响。MAO根据生产及设备状态资料、零件资讯,精准预测零件生命周期,在需要更换的最佳时机提出建议,帮助制造业者达到品质成本双赢。
第四、制程监控提前警报。制造业的制程参数相当多且彼此会互相影响,若是因为制程参数偏移而影响产品品质,工程师只能单一站点逐步追查,相当耗费时间,而MAO的做法是建立产品品质预测模型,找到最佳的制程黄金区间,一旦发现制程参数偏移到区间外,便即时发出警报,让工程师可以即时进行调整或其他决策。
第五、良率保固分析。对制造业者来说,产品良率过低或是出售后于保固期间内发生问题,不仅会增加成本,更直接影响企业形象与客户满意度。因此MAO结合生产设备、产品良率及维修保固相关资料,建立预测模型,以预测良率并降低保固成本。
Honda改善电动车电池寿命
目前,IBM MAO在全球制造业的应用相当普及,汽车业便是其一。像日本汽车业者Honda便应用在电动车电池上,因为电动车不像汽车或油电混合车一样,可以使用汽油做为动力来源,其唯一的动力就是电池,所以Honda希望进一步了解电池在什么情况下,绩效表现最好、使用寿命最长。
透过IBM MAO解决方案,让Honda可以搜集并分析车辆在行驶中的一些资讯,如:道路状况、车主的开车行为、开车时的环境状态等,这些资讯一方面可以帮助业者预测电池目前的寿命还剩下多长,以便即时提醒车主做更换,一方面也可以提供给研发部门,做为未来设计电池的参考。
BMW降低80%零件报废率
德国汽车业者BMW则是应用大数据分析,在短短12周时间内降低80%的零件报废率。一台汽车需要的零件有很多种,其中一个是与引擎结合的引擎上盖,过往,BMW要等到最终引擎组装阶段,将引擎上盖组装完成后才知道这个零件能否使用,如果不能使用就只好将整个引擎报废。
而导入IBM MAO解决方案后,在引擎生产线上就可以做即时的监测与分析,倘若品管没有问题则直接进到最后的组装程序,但若零件品质不好且无法修补则直接报废,或者零件品质不好但能经过其他方式修补,则于修补后再度进行品管测试,借此提高生产效率、降低报废率。
蒲项钢铁提高产品良率
钢铁是国家的基础工业,钢铁厂的生产过程多为一站到底不停机,倘若遇到产品不良率增加却又找不到原因的情况时,钢铁业者通常只能选择停机寻找原因,而停机往往代表的就是营业损失,蒲项钢铁就是遇到这样的问题,但是经由IBM MAO解决方案,帮助蒲项钢铁在不停机的情况下找出造成产品瑕疵的原因,不仅避免营业损失还能提高生产效率。
吴育瑞指出,钢铁原料必须经过热轧制程,才能将高温的钢胚轧延成钢卷、钢板或条钢线材等产品,而钢铁的热轧制程通常包含水刀切割、涂漆…等流程,当初蒲项钢铁怀疑可能机台?蚀或人员操作不当等因素,造成产品不良率增加,经过IBM MAO的分析后,发现外部环境高温潮湿,造成机台生?、水刀切割角度偏移、杂质混入钢材影响烤漆,造成钢输??出品质不稳。
解决之道是当回应变数偏离设定值的时候,IBM MAO将会自动提示工程师重新设定指定的关键参数,让其回复到某一个水准。同时,为了确定关键的驱动因素,在成千上百个监测变数中,使用了决策树建立简洁的预测模型,并且使用回归模型确定控制驱动因素的置换。
李艺锋认为,MAO对制造业的效益不只在于预测潜在风险,还能提出最佳决策建议,建立最佳化生产流程,从而降低营运成本、创造最大化获利。
数据分析咨询请扫描二维码
数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20统计学专业的就业方向和前景非常广泛且充满机遇。随着大数据、人工智能等技术的快速发展,统计学的重要性进一步凸显,相关人才的 ...
2024-11-20